记录一些带有思考的，有关工作以及生活的感悟，不会让它太过于流水账化，但可能想到什么就写什么。
2022/4/3
工作上，产线以及线上课程的培训已经完成，这周一向Xiuyu学习了如何建Flow，剩下的几天都在听关于测试机台3360/3380的培训课，测试机台的程序主要以C语言为主，如果工作上需要有编程的话，对着培训的PPT直接进行参数上的改动应该不难。
比较重要的事是总经理Eric突然对整个部门召开会议，讲话内容包括对存储半导体行业前景的展望，以及希望我们工程师可以抽出时间将一些流程做成SOP下放给助理工程师或操作员，这样可以提高效率，“降本增效”。但我认为这次会更深层的原因是老员工流失太多，我部门作为公司核心，这样的场面自然是总经理不愿意看到的。
有员工直接就薪资问题提出了疑问，Eric也较坦诚的说本公司的薪资无法和华为以及Design House相比，从员工的态度很不爽以及总经理的态度较卑微来看，目前无疑是公司变动期，我对这种情况没有太多恐惧，反而很兴奋，“乱”意味着机遇。
昨天和赵龙宇在A01喝了点酒，我边聊边思考我的职业发展路径。首先复盘一下人生第一份工作的选择是否正确，与华为做对比的话，工资会少很多，但相应的我会很累，这两年身体不好（下周打算去冯浩大学室友那看看胸椎以及去深二院做肠镜），所以在深科技歇息一年也许对我来说是最好的选择，毕竟一个好的身体是一切的根本。另一个好处是上下班通勤时间极短，我不会浪费太多年轻时学习以及娱乐的宝贵时间。所住位置在深圳福田CBD，一些金融资源和生活便利上很容易获得，也可以趁着交通方便多去看房。另外公司经营领域为存储半导体，行业前景可观，新产品导入这份工作也比较容易往外跳槽。
缺点的话也很明显，工资相对来讲比较低，半导体制造业也和其他制造厂无异，需要“降本增效”，这就导致了员工收入的增长空间很有限。总经理Eric其实已经给出了答案，我目前最好的归宿就是Design House，由于自己铁了心不想做纯技术，目前的NPI以及未来要跳槽Fabless的FAE就是我最好的选择（目前理想的是TI和GigaDevice）。
所以，在深科技这一年到两年期间，我要尽可能学到自己想学的知识与技能（尤其是管理方面），随后在被制造业困住之前，抓紧跳到半导体设计公司，开启新的职业生涯。
以上文字写于从深圳到广州的高铁上，很多认知在我入职一个月后一直在转变，故写下来以供未来的自己参考。
今天晚上，我脱单了。
2022/4/15
公司正在经历大的变动，导致我目前处在放养状态，实际的工作内容并没有做多少，但相应的给了我更多时间思考未来可能的方向。
这一周是收集信息的一周，从交流中得知日本团队在做测试程序，但苦于同时英语好且懂技术的人在公司不多，本部没能用好这部分人，尤其是和研发组同事聊了之后，我对测试程序开发以及Flash Controller这两个部分产生了兴趣。
如果真的可以学到日本团队的技术，首先从供需角度来讲，国内有这部分技术空缺，我在市面上的价值也会相应提高，其次这是少数脱离半导体制造中重复无聊工作的一次机会，学习先进技术并向国内布道，也是真正能做一些开拓性质的工作。
希望后面可以坐到研发组那边，更有利于信息流通。
恰好最近看到一篇有关华为走出一批VC的文章，懂硬技术的细分赛道，再配合金融知识，也许是真的可以打出一套非常漂亮的组合拳的。前十年，能靠单一技能就能拿高薪的职业只有码农，后面也许真的会是跨界者的时代。
这周感悟到，半导体制造的从业者，无论是新人还是工作满两年的人，都普遍迷茫且没有方向。
但Design House的前景依旧堪忧，政策春风吹过之后，芯片设计的火热以及高薪也会消退，随之伴来的就是从业者的内卷。
和华为海思的朋友吃饭，海思一个产品团队急缺人，一问空缺岗位只有20个，从供需关系来讲，芯片设计和金融行业所提供的工作岗位同样稀少，然而芯片设计门槛极高，竞争人数少，所以芯片设计没有金融卷，但退潮后，一定会有大量过剩的相关人员留下。
而且，海思这种国内顶级Design House的产品也都仅仅内供而不外销，也就是不对外盈利，这在我看来不是个健康的状态。
总之，芯片设计的高薪确实诱人，但这不是属于我的风口。看了4月3日的所写内容，造成我这样思维转变的原因在于看到了公司内关于日本的一个机会，在于看到新产品导入这份工作的重复性与无聊，以及大致想清楚芯片设计暂时高薪的原因。
身体方面，肠镜检查结束，一切正常，这两年外界发生的事总能提醒我要好好注意身体健康。
最后，不要放弃学习，最近发现可以和女朋友开线上会议一起学一些东西，既能学习又能互相陪伴，真的很能对付异地加疫情所带来的Down心情。
还有就是，沟通非常重要，满怀善意的沟通不仅是消弭误会的最佳手段，也能为彼此打牢信任的基础。
2022/4/18
想到一些阴暗面，武汉弘芯的暴雷，以半导体之名行骗之实，36氪有详细报导，就按下不表。
无论是投资机构，还是政府投资，他们被骗的根本原因在于没有人有相关行业的从事经验，那么身为从业者有实体行业的经验之后，转行做原行业的投资是可行的，且直切投资机构的痛点。
事实上，其他公司也有这种行骗的可能性，我以阴谋论猜测，原政府给它批地用来做半导体厂，但它分出一半以上的地用来建写字楼，真正搞半导体的实用面积只占很小一部分。
身为打工者，对以上的行为肯定深恶痛绝，但转过头一想，如果晋为管理，可与其统一战线瓜分利益，那么一定会赞成建写字楼。很多事都是屁股决定脑袋，从打工者到管理者的身份转换，改变的也是利益深度绑定与否，视角的转变也会让人对一件事产生完全两种的好恶之分。
说到职场的身份转换，每一次转换也许都是一次职业生命的延续，基层打工者会担心35岁被辞退，中层管理者或高管可以做到50岁体力跟不上为止，如果高管升级为资方，那么职业生命可以延续到更久，只要脑子清醒就可以一直做下去，参考巴菲特。
周三的时候团队一起吃饭，第一次见了老板Joe哥，快离职的Alex向Joe哥提让我未来和Kaifa日本学东西，Joe哥并没有在饭桌上立刻应允。坐在他那个位置，一些关键资源必然是要下放给可信任且有能力的手下去做，甚至信任要比能力还要重要。老板对员工的信任需要不断通过小事测试来加深，于是我第二天在汇报过程中主动讲了一些可以改进的事，Joe也直说由我来落实我提出的建议，所以这既是一次压力测试，又是一次信任测试。最后，如何展示工作很重要，定期向上级汇报工作成果也是一种很重要的沟通手段。
在JKL客户借机的过程中，我也发现这个过程也许可以进行标准化，这个标准化可以分为内部和外部。首先从内部来说，我打算熟悉三遍后，把整个流程记在笔记本上，看看哪些步骤是可以下放给助理工程师的。然后从对外来说，最近碰到客户临时改需求的事，在我看来如何响应这种需求是最值得优化的，尤其是甲方的临时更改会造成我们乙方工程师、生产部的各种员工加班，如果能做成某种条约或固定化的流程，无疑会让我们减少很多合作上的摩擦成本，这种条约一旦做成，也可以平行适用于未来客户。
把这件事拆解下来：对内，我要做的是了解整个借机过程中牵扯到的所有部门以及人员，统计所有人的痛点；对外，了解客户需求临时变化的原因，从对方利益出发讲述这种条约的达成会对我们未来的合作有哪些实打实的益处。一旦我方与甲方可以达成共识，具体条约的落实则会变得无比简单。
2022/5/6
最近一个前辈给我解释了一枚硬币的两面：进外企的整体培训会完善，但是就是螺丝钉，需要慢慢经营自己的人脉；国产是起来的时候，会需要大量的人才，而且早期进去的相对会有更多可能和空间成长为中流砥柱。所以，我现在在拿底薪去换试错空间，换更容易接触核心利益圈，这其实也是一个押注的过程。
和阿伦聊天，我这两年有两次豪赌，一次出国一次回国，两次都赌赢了。现在会过头想还是有些害怕的，人生的Plan B非常重要，学会以最坏的打算去思考问题。
阿伦还说了两个金句：其一是，要想别人帮你做事，你得先帮别人做事；其二是，学会调动身边资源，而不是埋头苦干。
以下是一些思考：
优秀员工，不意味着可以成为优秀的管理者，更不能意味着成为优秀的领导者。给优秀员工的往往是无用的荣誉，让其着迷于提升执行能力，乖乖成为一个被管理者。所谓，职以人授，爵以功授，这里也让我想起了《列兵与阶层》。
拿到结果不意味着赢，只意味着可以使用结果进行回馈分析法，从而修正路径。如果把结果和赢画等号，心态会失偏，例如予取予求。甚至，可以去思考自己到底为什么要玩这个游戏，有选择的去做深度玩家或速通玩家。
世界从来不曾对任何人、任何国家许诺过坦途，挣扎与改变就是生活本身。走在最前面的人，不能展露哪怕一丝犹豫，才能带着追随者走出一条面向未来的道路。
想到西风最常说的话：你有什么，你要什么，你愿意放弃什么。其实这句话再浓缩，用两个字概括，就是“交换”，即放弃我有的东西去交换我要的东西。再延伸，Trading本身就是一个创造财富的过程。生产自从工业革命以来效率得到极大提高，从手工业到蒸汽机到内燃机到电机系统，生产创造财富的效率增长快速。但Trading创造财富的效率似乎更高，比如超大规模城市，互联网，社会网络，复杂科学等等。
2022/6/6
距离上次写工作感悟已经有一个月，最终还是脱离了半导体行业，虽然这段职业生涯很短暂，但细细想来，还是有一些收获，如上所述。
下一份工作内容主要是数据科学方向的数据分析，整体面试体验极好，今天还处在薪酬评估阶段，问了一下内推人进度，应该已经稳拿录取函了。
为了更好适应新工作，我从Job Description中选出了一些我需要巩固的关键技能，具体学习安排如下：
商业分析模块，两门在Coursera的专项课程：Rice University的Business Statistics and Analysis和Duke University的Excel to MySQL: Analytic Techniques for Business。
Python数据科学模块，我选择Coursera里密歇根大学开设的Applied Data Science with Python，随后买一本Jake的《Python数据科学手册》作为参考书。
机器学习的原理部分，由于我本身有一些基础，吴恩达的Machine Learning对我来说已经过于简单，所以我选B站上胡浩基的机器学习课程，如果后续有需要复习的话，会学习李宏毅的机器学习课程，使用周志华的《机器学习》与李航的《统计学习方法》作为补充。
NLP及深度学习部分，首先学习两本斋藤康毅的《深度学习入门》和《深度学习进阶》，其他参考书有邱锡鹏的《神经网络与深度学习》，然后课程可以参考李沐的动手学深度学习、李宏毅的深度学习课程、赵卫东的深度学习及其应用以及李飞飞的CS231n。
SQL部分，主要学习《SQL必知必会》，学习过程中使用Leetcode进行刷题练习。
数据库部分，暂选学习两本书，《MySQL是怎样运行的》作为入门，《高性能MySQL（第三版）》作为进阶。
此外，我还需要深入学习数据结构与算法，我选邓俊辉在学堂在线开设的课程，同样使用Leetcode作为刷题练习。
顺便记录一下我想在B站刷的课：肖臻的区块链技术与应用，MIT的线性代数，Yale的博弈论，欧丽娟的红楼梦，王德峰的哲学课堂，北京大学的中国古代史，Harvard的领袖心理学，Duke的怪诞行为学。
闲暇之余和女朋友一起学的课程有：清华大学的财务分析与决策，Yale的死亡哲学。
Coursera上注册的商科类专项课程如下：
- IE Business School:Marketing Strategy
- IE Business School:Scale Up Your Startup
- HEC Paris:Inspirational Leadership: Leading with Sense
- ESSEC Business School:Strategic Business Analytics
- EDHEC Business School:Investment Management with Python and Machine Learning
- Copenhagen Business School:Strategic Management and Innovation
- LMU Munich:Competitive Strategy and Organization Design
- Duke University:Decentralized Finance (DeFi): The Future of Finance
2022/6/15
今天是我在这家半导体制造企业的最后一天，绝大多数同事都在恭喜我有了“更好”的发展，也有不少同事和我悄悄聊，说自己也有离职的想法，还有一个有趣的现象是，很多老同事离职后都不在这个行业了。
谈谈这家半导体公司宏观层面的问题吧，从入职名单上看，绝大多数都是20年后入职的人，一方面反映出这家公司业务增长迅速，另一方面也是这家公司内部向心力太差，留不住人。
对我来说，这家公司最大的问题就在它本质是个制造业上，生产24小时连轴转，除了问题无论什么时间都会on call，当然做R&D的话可以避免，可惜经理不给我机会转岗。
第二个也是最致命的一点，是这份工作实在没有什么成长性。
平心而论，这家公司也带给我了一些成长，尤其是在工作中不断思考如何优化，写成SOP或流程图进行知识沉淀，这些都是工作乃至生活的好习惯。
其实当初选工作的思路还是参考的王信文关于选工作的文章，他这篇文章的核心总结如下：选择上升期的公司而不是成熟期的公司，加入公司的核心业务而不是边缘业务，选择有产业理想的老板而不是只想赚钱的老板，新手选择成熟业务而老手选择新业务，选择适合自己的竞争环境并避开惨烈竞争。
当初铁了心不去华为的原因也来自于此：华为处于成熟期，成为螺丝钉的概率极大；应届生的部分岗位随机分岗，业务是否核心不完全看自己；竞争环境十分惨烈。
但是事实上，我这种“不随主流”的选工作方式，到最后也算是走“错”了。当初的决策也受了这家半导体公司HR给的烟雾弹以及我高中最好兄弟的背书有关，但自我人生的决策，责任人永远是自己。
从第一份工作选择的失败，我也自己总结了一些自己的教训，可以作为针对我个人情况的加强版指南。
首先，从梁宁所述的点线面体出发，选择一个上升的城市（体），一个朝阳行业（面），一个成长期的公司（线），做公司的核心业务（点）。
其次，我给自己初步规划的是相对传统的职业路径，即乙方做足三年以上后去甲方，公司性质除了乙方以外，最好是外企，其次是国企，最次是私企。
第三点则完全出自我个人经历，就是尽量不选择重资产的企业，尤其是制造业，芒格也认为这种上一年的利润需要拿出来购置新厂房和设备的生意是糟糕的。
最后，看招聘的Job Description，所用工具所做事项越具体越好，下家数据咨询公司就写的很清晰，要离职的这家半导体制造公司的公开Job Description上写着“愿意承受一定的工作压力”，基本意味着要承受很大的工作压力了。
我们列一下两个公司的对比：
| 半导体制造 | 数据咨询 | |
|---|---|---|
| 行业趋势 | 短期上升📈，长期不看好📉 | 无论AI还是纯数据方向都属上升行业📈 |
| 公司所在阶段 | 成长期✅ | 成长期✅ |
| 公司性质 | 乙方国企✅ | 乙方外企✅ |
| 轻重资产 | 重资产⛔ | 轻资产✅ |
| 岗位成长性 | 极差⛔ | 看起来还不错✅ |
还有一点关于新公司的细节，潘乱的乱翻书最近有和新公司老板的访谈，这位老板有一处发言显示出他很有客户中心化的意识，即他有意识的把客户需求分为高频需求和偶然需求，所以在王信文的定义中，他应该算是值得跟的老板。
最后要聊的是，在接下来的学习工作中，要把专注（Focus）放在首位，学习任务不求多但求精，工作上也尽量将注意力聚焦。
愿弘法寺的佛祖菩萨多助力，信男祝自己前程似锦，多多发财。
2022/7/8
今天实在忍不住想写点什么，今天这个日子，可能真的会在历史上写下浓墨重彩的一笔。昨天英国首相鲍里斯离职，今天日本前首相安倍被刺杀，再叠加上年初俄罗斯对乌克兰的军事行动以及持续的新冠疫情，让我不得不认为这个世界正在走向混乱且失控的方向上。
在去年开始陆陆续续听到一些所谓“惊涛骇浪”的到临，一开始我纯纯觉得是危言耸听，现在到这个时间节点，我慢慢接受这个观点了，大洋彼岸的一只蝴蝶的煽动都会对我的生活产生影响，更何况目前国外主流国家的上层建筑都出现了极其不稳定的现象。
另外一些发生在眼前的现象，昨天来公司做CEO分享的Tapdata创始人唐建法不经意提到，他办一张因私去美国的签证时，有三个警察去他的公司询问他出国目的；以及民生证券分析师傅鸣非评价了南京银行在微信群疯传，因此被关了小黑屋。
种种现象表明，表面上看似略有涟漪的水，深处已经有了太多强劲的暗流在默默影响着局面。
无论发生什么，保护家人是第一位。所幸的是我的家庭远在长白山，受影响最小，并且父母身体健康生活自在，妹妹也会平安快乐长大。和女朋友最远的距离也不超过深圳到广州的一个多小时，大概率不会出现通信上和物理上的断联。
再记一件事，刚入职时一个对我很好的同事准备离职了，他在这家公司只待了7个月，这让我蛮惊讶的。
免不了问离职背后的原因，他列出如下几条：在这家公司，公司架构上最多做到Senior Data Scientist，升职空间小；工资涨幅每年只有4%-7%，涨幅太慢；再就是他那个产品战略组刚组建，加班实在多。
我有些不同的看法：首先我是动态的看待升职空间的问题，随着公司扩充，架构上还会再添复杂性，目前能看到的架构不代表两三年后；工资涨幅慢几乎是外企的通病了，当然如果是我，我会选择这份薪资配不上我能力的时候跳槽，或者说，等经济形势好一些，以及在这家公司升职到管理层后，跳槽到甲方是必然的发展路径；至于加班，目前看来我的直系领导人品很不错，应该也不会是太严格的人，以后多向上汇报，应该能尽量避免太大的Workload。
他给我最中肯的建议是去做Market Sales and Share的Modeling业务，毕竟这是公司的主要营收方向，回到王信文的文章，正好符合新手做老业务，老手做新业务的原则，如果没有和他的交流，我也许真的会傻傻的去做Social Listening吧。
职业方向上，我最看重这家公司的三点：一是做面向消费品市场的分析，未来可以去甲方，即联合利华这样的快消公司；二是工作性质类似于咨询，以后也去大型咨询公司中的咨询团队里做数据方向的支持；三是这家公司让我做Modeling，职业方向可以往Data Scientist发展。
总之，我更倾向于将数据科学作为技能，在职业生涯的前几年重点打造，以后无论是在甲方直面市场，还是去传统咨询讲商业故事，这份技能都是我竞争力的一部分。
再提一点，他未来的计划是创业，这是让我更加惊讶的一点。如上分析，在我看来，这个时间节点外部风险太大，实在不适合创业，甚至目前高薪酬的甲方公司都在裁员，这家乙方公司虽然工资较低，但也不像甲方公司那样直接面对市场，是最稳妥的选择。
但看着他坚定的预期，不像是头脑发热的决定，当然每个人背后的资源以及能力完全不同，他在UC Davis计算机本科毕业后去UBC读了数据科学硕士，至少在我看来是个非常优秀的人，也许只是以我的见识和能力无法看懂他吧。
人生路上，能遇到真心的指点非常不容易，无论如何，我要感激他，祝福他的创业可以成功。
2022/8/11
太久没有工作记录了，看来还是没有养成习惯。
最近做的微博水军识别项目已经成功上线，本来这个项目我想用逻辑回归、神经网络、随机森林、XGBoost分别实现，最后还是选择了最简单且效果最好的逻辑回归。
其次在这个项目中，代码封装成一个自动流这件事让我觉得很神奇，这种自动化替代人工的方式也算是让我开了眼界。
吴恩达说，数据的质量，比一味的大数据重要。这个项目使我对这句话有了更深的理解，1000条人工标注的数据好与坏，是直接导致我模型的准确率为83%与97%的区别，以后关于机器学习的项目，要时刻紧盯数据质量，其实也是数据治理的一部分。
最近也被拉去做了一个Digital Shelf的项目，非常紧急非常体力活，是推导出从爬虫表到BI端的显示页面，中间缺失的业务计算逻辑，在这个过程中，算是了解了数据流是如何跑通的。
跳脱出具体的工作，偶尔也会想未来的增长点在哪，现在可见的或者说可能的增长点，列一下分别为：云计算及SaaS（往往代表To B的企业服务），区块链（如金融领域的DeFi），以及新消费和新能源。
目前来看，新能源是离我最远的，与我的能力圈太远，我应该不会轻易涉足。第二远的是区块链，当然我觉得这个行业对所有人来说都很新，可能再过两年我会考虑学习下这个行业。排除这两个选项后，目前想要拓展的能力有Data Science，在前者已经熟练的基础上去了解SaaS，至少在中金点睛的行业报告中，SaaS或者说To B服务是前景广大的。
和同事吃饭时聊过一个有意思的话题，就是现在所学的东西，在未来会不会就被淘汰了。吴军也曾提出过一个知识半衰期的概念，即有些技术在未来可能会被淘汰，在我看来ETL，以及目前风头无两的大数据框架Spark等等，都有可能会被新的技术替代，或者说写代码本身，就是有半衰期效应的，这可能就是程序员35岁被优化的原因。
比起有半衰期的知识和技能更优的是不会随着时间推移而贬值的技能。在技术方面，越贴近计算机本源的知识和思维方式，越不容易被淘汰，比如数据结构与算法，机器学习，凸优化，运筹学等等，这部分硬技能也是我目前的发力点。在商业方面，财务分析，证券分析等等应该也是贬值较少的。
更重要的是随时间增值的能力，这部分能力往往都比较软，更针对复合任务。比如市场与供应链，管理能力，洞察力，领导力等等。
最后，现在Q3快过半，希望在季度结束的时候，我可以看完毛选，以及把吴恩达的新课学完，随后尽快开启数据结构与算法的学习。
2022/10/8
太久没写总结，已经手生了，近期摆烂有些厉害。
工作上值得记录的是完成了一个小建模项目，技术上非常简单，只是曲线拟合。
开始的时候尝试了非常多的方法，Curve Fit和PyTorch等都试了一遍，其实想要解决这个问题非常简单，一开始做非常多不同的尝试是可以理解的，后续要积累某些问题的通用解决方式，提高工作效率和解决问题的速度。
比较有趣的是，我花了非常多的时间在模型的每次产出上，但事实上和客户讲解决方案的时候，他们往往只关注问题的定义有没有偏离，在问题定位没有问题下，第二关心的就是结论，建模结果往往没那么看重。
于是，工作需要拿到每次建模结果当作“砖”，用足够的砖作为地基后，在此基础上才能得到非常Solid的结论与洞察，是一种自底向上的工作方法；而展示工作的时候，更需要自顶向下进行展示，重要的是地基之上的结果。
另外最近我向Leader强烈表示了对某人的不满，这件事也很有意思值得复盘。
在向Leader阐述这件事之前，我有问过一个更有资历的同事，他的各方利弊分析简直精彩，以下做个简述：
- 对Leader强调工作上这人带来的不便，对事不对人；其次给出自己的解决方案，不要把矛盾全交给Leader处理。
- 站在Leader的角度，手下人合作亲密无间是最好的，其次是手下有矛盾但不需要自己太费心去调节，最次是需要自己下场费心费力调解矛盾。
- 争取一个愿意提供帮助的对象，统一战线。（无论在工作上还是做人上，平时积累同事口碑非常重要）
最近看《晚清沧海事》，左宗棠在朝廷少有人支持，所以更是要努力争取慈禧的支持。并且因为自己业务过硬，收回新疆前屡打胜仗，在朝廷也有一定话语权。在朝堂之外也有胡雪岩帮忙搞钱，这才有了伟大的西征这回事。
反观我这次的表达不满，表面上来看还算成功。出击行为更需要沉着冷静的进行利弊分析，配合组织架构以及我能调动的人事物，在有把握的情况下稳准狠切中要害，以达到想要的结果。
政治管理与人的行为是安身立命之本，非常值得研究做总结。
PS：毛选第二卷，吴恩达的新课已完全Finish。
2022/10/19
刚参加了CEO下午茶，收获蛮大的，在这里简单做个记录。老板的思考视角和打工人确实不一样，老板的视角更多的是从宏观竞争格局，资本市场，以及内部管理的角度思考问题。
经济下行对我们有什么影响
对于我们来说也同样要紧巴巴过日子，但是也有好处：
- 市场的竞争格局没有那么激烈和内卷，不会有个大厂中高层出来创业拿到投资人的钱后猛烧
- 由于客户也不乱花钱了，需要花钱地方基本都是他们的痛点（比如今年卖的非常好的Price&Promotion），这对我们了解客户价值更有好处
个人职业发展路径
市场的回报机制是个人成长先行，随后市场给到你应有的价格，以此达到螺旋上升的状态。并且人生的收入曲线不是线性的，而是量子跃迁式，或者遇到风口后的脉冲式。
这里分为不同的阶段，而且不同的阶段有不同的坎：
- 第一阶段是刚入职场两到三年的阶段，这个阶段的坎在于工作中已经开始熟练，感觉到无聊且焦虑，尤其感觉学不到东西，很多人停留在这个阶段出不来，于是一辈子就在做基础性的工作
- 解决方法是改变学生心态，从学东西的视角转变为我能提供什么样价值的视角，这是非常根本上的视角改变，切换到提供价值的视角后，才能承担更重的责任
- 第二阶段是工作三年到五年的阶段，开始带着团队做事，独立负责一些项目，部分做事优秀的人倾向于不放权，把自己搞得非常累
- 这个阶段需要开始初步了解领导力，学会放权与管理，发挥人的杠杆
- 第三阶段是可以独立带领大团队，大部门的阶段，这个阶段的坎在于只看重自己部门收益，以及只从自己团队的局部视角看待问题
- 需要使自己的视野更拔高一点，学会从整个公司层面思考问题，宏观的视角最难培养，但也对后续的发展最为重要
- 后面的阶段，就非常需要靠运气，而不是个人努力和职业发展“套路”了
以及规划职业路径时，只按照薪资规划这一单一维度可能会出现问题。Tony举了例子，18年不少员工跳槽去互联网金融公司，赚到一两年热钱后，不约而同收敛到了区块链这一赛道。如果只看每次跳槽的局部最优，往往会被热钱牵着鼻子走，达不到全局最优。
（腾讯的P10-P12再找工作是最难的，似乎卡在了不上不下的阶段）
重产品还是项目制的服务
SaaS产品看起来非常美好，但Tony似乎并不非常认可SaaS这个模式，尤其最近美国SaaS类公司股票跌的厉害，但埃森哲股票在上涨。
这个问题可以换个角度想，我们需要故事，还是价值？SaaS更多是在资本市场上对标Saleforce讲故事，并且Tony说市面上关于Saleforce的分析文章只有30%是真的（也许？），Saleforce也在做高度定制化，往往一个CRM系统需要IBM的实施团队以及埃森哲的团队提供支持。
项目制的服务虽然看起来并不酷炫也不美好，但是是最贴近客户价值的。
2022/11/7
最近看西风的文章《机会在于人事调动》，非常符合我最近的工作决策，拿出来讲讲。
首先，我放手了Digital Shelf的项目，决策的思路完全参照西风：
- 这个项目对公司很重要，堆了不少人力去完成，然而对公司重要不意味着对老板重要，更不意味着对我重要。
- 走到被看得见的岗位上去，做能被看得见的事。这个项目参与人数众多，我只是参与者而不是负责人，就算做得很累，功劳也很难算到我的头上，然而做错了却要背锅。
- 做事不重要，重要的是给谁做。这个项目不是我直系领导的，做再多，也白做。
更进一步说，知道做什么，比知道怎么做更重要。跟好人，站好队，这句话背后的思想不是依附，而是信任成本与背书，有人的地方就有江湖。所以我目前绝大多数精力的分配如下（先后有顺序）：
- 首先把COO直派的任务做好，按西风的思路，这其实是个“被看见的机会”。
- 做好自己PM的项目，一是在这里我的身份是负责人，二是Follow的人很好，值得跟。
还有一件事是，产品化战略组已经走了大半人，由此证明现在该组领导的领导力很差，后续仍然会有较大的变动和改组。机会不在于事，而在于人事变动。所以，可以等待看看机会。
后续的三个需要注意积累的点：一是学会指挥人做事，加人的杠杆；二是积累背后支持自己的资源；三是可以尝试通过媒体扩大自己在行业内的影响力，甚至在不同行业间套利。
最后，以上这些政治不正确的东西也许就不该写出来（正经人谁写日记啊）。不过，写了就写了吧，希望不要有人从GitHub找到我博客。
要做的事，对上帝也不要说。——《教父》
2022/11/30
下半年的工作复盘：
第一个项目是和荣皓、宛萤一起做的微博水军识别模型，在特征工程阶段，我们一起定义了转发型水军的各个指标，荣皓根据这些指标进行了取数，然后我根据所得数据去进行模型选择、模型训练以及测试，最后由荣皓上传OneFlow平台，日度运行模型，截至今年双十一共计积累接近二百万个水军账号数据。
这个项目的用途是当客户需要了解某品牌在微博的自然流量时，我们可以通过这个水军库进行去水，从而得到一个更真实的自然流量。
其次，模型与自动化结合可以做出非常Amazing的效果，可以更深度的挖掘我们数据资产价值。
第三个项目是京东商智的关键指数拟合，京东商智仅提供本店的准确访客数，而大盘则提供的是相对模糊的搜索指数，整体的思路是将搜索词分类，筛选与本店强相关的关键词，将本店的访客数与行业的搜索指数做线性回归，通过这种方式我们“破解”了京东商智相对模糊的搜索指数。
我认为这种项目可以提取方法论，横向拓展到其他平台比如巨量千川、电商罗盘的指数破解。我在市面上也看到了一个叫阿明工具的指数破解工具，这也侧面印证了客户可能是有这种需求的。
这个项目对我来说另一个感悟就是数据本身可能没那么重要，数据冰山下面那部分隐藏信息对建模的帮助可能更大。举例来说，做搜索指数拟合的时候我更多关注的怎么把数据拟合好，而超哥会思考数据是怎么产生的，不同的搜索词和本店铺的关联程度是不同的，通过预设消费者行为剔除干扰词，从而得到了更准确的拟合参数。这种思考方式其实让我挺眼前一亮的，我也从中学到了很多。
接下来是长尾拟合分布数据校准这个项目，我通过Scipy与预设长尾公式进行拟合，补充我们爬虫无法爬取的尾部店铺GMV数据。
后来我和梦娜简单复盘了一下，我们在做这个项目的时候是发现问题、解决问题、得出结论这样的一个自底向上的做事方法，而对外展示的时候需要先抛结论、再给解决的思路以及支撑结论的数据，是一种自顶向下的方式。这个思路给我启发蛮大的，在这次答辩我也有意识的用自顶向下的方式展示工作成果。
最后是和多准合作的UL会员促活项目，这个项目在进行中，预计做到明年春节，主要是通过PCA降维和GMM聚类处理CRM订单数据，通过用户的购买行为洞察其行为特征。
这其实是个使用数字化手段帮助客户进行精准营销的一个项目，我们使用建模或者说数据挖掘来帮助客户更好的提升利润、降低营销成本，在我看来这就是使用数据科学来达成更深度的客户成功。
对我们公司来讲的话这类项目的价值也很大。首先作为一家数据咨询公司，最有价值的一是我们的数字资产，二是我们的咨询案例，而我们的建模案例是相对更容易做出差异化、卖出附加值的，某程度上可以帮助我们公司避免在同类市场竞争中陷入同质化、乃至价格战的局面。具体到实施层面，我和陶老师以及Modeling团队后面会一起建立一个关于Modeling的案例库。
2022/12/13
年底冲刺了一波，终于看完了《东晋门阀政治》，从上半年断断续续看到现在，微信读书显示的总阅读时间是30小时，看来时间都是攒出来的。
最近刚学完了林子雨的大数据技术原理与应用，还跟着一个YouTube上的印度老哥在Jupyter上安装了PySpark，他的整个Data Science Tip and Tricks and Career Advice系列都蛮有意思的，后续准备接着学林子雨的Saprk编程基础（Python版）。
最近ChatGPT爆火，我也注册尝试了一下，感觉这个产品还不算强人工智能，不过确实蛮有意思。更有意思的是ChatGPT的创始人Sam Altman，他是Y Combinator的总裁以及CS183 How to Start a Startup的主讲人，做创业孵化的老板亲自下场做了这样一款爆火的产品，确实非常厉害。这两天把Startup School的内容又重听了一遍，关于创业的思路和方法其实都很朴素，大道至简，难在人为，事也在人为。
到年底了，列一下明年的学习计划：
- 邓俊辉的数据结构与《数据结构（C++语言版·第3版）》
- MIT线性代数与《线性代数及其应用》
- 胡浩基的机器学习与《机器学习》
- 徐高的宏观经济学二十五讲与《宏观经济学二十五讲》
- 肖星的财务分析与决策与《一本书读懂财报》
